van der Meulen说，解决方案并不是完全禁止这些工具。“如果我们限制对这些工具的访问，员工不会停止使用生成式人工智能。他们会开始寻找变通方法——转向个人设备，使用未经授权的账户和隐藏的工具，”他说。在这种情况下，“我们不仅没有减轻风险，反而使风险更难检测和管理。”
相反，研究人员表示，组织应该通过三个步骤将自带AI从负债转变为资产——制定具体指导方针、培训员工以及批准特定的生成式人工智能工具。
如何管理自带AI的风险
- 制定具体指导方针。
管理者应该制定明确的护栏和指导方针，使员工能够安全地尝试生成式人工智能工具。公司应该召集技术、法律、隐私和治理方面的专家来制定关于批准和未批准的生成式人工智能使用的政策，并指定哪些工具在什么条件下是可以接受的。
“作为组织的管理者，我们不仅仅是在实施工具；我们还在塑造员工如何负责任地使用这项技术的道德和文化景观，”van der Meulen说。
麻省理工学院CISR数据委员会的一位领导告诉研究人员，他们的组织向员工明确传达了生成式人工智能的批准用途，例如在AI查询中使用公开可获取的信息，以及禁止的用途，例如上传包含个人可识别信息、战略信息或专有数据的数据。该组织还建立了一个明确的过程，供任何对AI使用是否合适感到不确定的人使用，并指示个人联系AI治理团队寻求帮助或澄清，van der Meulen说。
“员工需要知道什么总是可以的，什么永远是不可以的，实践是什么，以及在哪里寻求帮助，”van der Meulen说。
- 开发培训并建立实践社区。
组织应该开发AI方向和评估技能，以帮助员工有效使用生成式人工智能工具。这种培训应该涵盖为生成式人工智能工具提供支持的AI模型、AI的道德和负责任使用，以及如何批判性地判断AI生成的内容。
van der Meulen说，对于广泛适用的AI工具，成功的责任在于员工。“如果你不了解大型语言模型的基本功能、它的能力、它的局限性，并且不知道如何恰当地指示该模型以获得所需的输出，那么这会限制工具的有效性，”他说。
例如，动物健康公司Zoetis的数据和分析部门每周举行两次办公时间，员工可以学习如何开始使用生成式人工智能工具并提出问题。这有助于员工学习、随着时间的推移进行改进并建立信心。
“当你建立了工具的健康使用时，这实际上有助于提升整个组织的AI技能，”Wixom说。“这是关键。随着员工使用工具，他们正在学习非常重要的数据科学技能，比如概率论和AI解释，因此你正在提升组织的数据科学水平。”
- 授权特定生成式人工智能工具来自受信任的供应商。
相关文章 如何管理两种类型的生成式人工智能 人工智能现在是每个人的业务 评估AI风险的一个框架
随着AI工具市场的不断演变，保持与市场的同步需要相当多的时间和精力。为了众包这一过程，创建一个跨职能团队，负责评估工具并向IT提供关于哪些工具真正有价值的反馈，研究人员说。
“就像禁止这些工具不会起作用一样，不提供任何工具也不会起作用，因为那样就变得不可能在更广泛的角色中安全使用这些工具，”van der Meulen说。
为了简化AI访问并鼓励员工使用，Zoetis建立了一个生成式人工智能应用商店，员工可以申请工具许可证并学习有效和负责任的使用方法。对于每个工具，员工可以访问入门指南、观看培训视频、阅读组织的AI政策和指导方针等。还鼓励员工提交描述他们如何使用工具的故事。这些反馈帮助组织了解哪些工具为员工带来了最大的价值。
微信扫一扫
